Model Predictive Supervisory Control for Hierarchical and Distributed UAS Traffic Management

私たちの都市の上空は、鳥ではなく、荷物の配送、インフラの点検、あるいは緊急サービスの提供を行うために設計された小型の自律飛行機によって、ますます混雑しつつあります。これらの無人機が軍事や学術的な実験段階から日常的な物流へと移行するにつれ、彼らは根本的な問題に直面しています。それは、低高度の空域が共有された物理的なボトルネックであるということです。車が単に車線を変更できる高速道路とは異なり、空では衝突を防ぎ、二つのドローンが同時に同じ空間を占有しないことを保証し、充電ステーションのような限られたリソースを管理するために、精密な調整が必要です。この課題は、コンピュータサイエンスの論理と飛行の物理的な制約を融合させた分野である、無人システムの交通管理の領域に属しています。その核心となるのは、二つの異なる、しかし補完的なアイデアに基づいています。第一のアイデアは、「監督制御（supervisory control）」という手法であり、これは厳格な交通取締官のように機能し、安全を保証し、車両がお互いに待ち続けて永遠に動けなくなるデッドロックを防ぐための、道路の絶対的なルールを定義します。第二のアイデアは、「予測制御（predictive control）」であり、これは各車両が数ステップ先を見越し、バッテリー残量や配送時間などの要因を考慮しながら、最も効率的な経路を選択する戦略です。研究者たちが長年取り組んできた問いは、これら二つのアプローチを、リアルタイムで実行不可能なほど複雑なコンピュータシステムを作ることなく、いかにして大規模なドローンのフリート（艦隊）に対して組み合わせるかという点でした。

ブラジルのミナスジェライス連邦大学の研究者たちは、最近の研究において、この溝を埋める解決策を提案し、「モデル予測監督制御（Model Predictive Supervisory Control）」と呼ぶフレームワークを構築しました。彼らは、大規模なドローンのグループが混雑した都市環境で安全に運用できるように、役割を「全員の安全を守ること」と「最適なルートを見つけること」に分離したシステムを設計しました。ある都市において、中央当局がすべての通りと交差点の境界線を引き、どの経路が開放されており、どの経路が事故防止のために閉鎖されているかを宣言している様子を想像してみてください。この当局は、すべてのドライバーにどの曲がり角を通るべきかを具体的に指示するのではなく、単に危険な動きを禁止するのです。各ドライバーは、ルールを知った上で、目的地までの最も速く、最も燃料効率の良いルートを、それらの安全な境界線の中に留まりながら選択します。これは、新しいシステムが機能する仕組みそのものです。監督者として機能する中央コントローラーは、フリート全体と共有空域を監視します。それは数学的モデルを使用して、衝突を引き起こしたり、制限区域への進入や、すでに満杯の充電ステーションへの着陸といったルールに違反したりする動きを特定します。そして、すべてのドローンに対して「禁止された動き」のリストを放送します。

各ドローンはこのリストを受け取り、自身のオンボードコンピュータを使用して、短期的な最適化問題を解きます。ドローンは現在の位置、バッテリー残量、および割り当てられたミッションを確認し、禁止リストにある動きを厳格に回避しながら、目標に最小の時間とエネルギーで到達するための一連の動きを計算します。ドローンがその一連の動きのうち最初のステップを実行すると、プロセスは繰り返されます。ドローンは新しい位置を中央の監督者に送り、監督者は新しい現実に即して禁止された動きのリストを更新し、ドローンは次のステップを計画します。このサイクルは継続的に行われるため、新しい配送リクエストや突然のバッテリー警告といった変化に対して、フリートが即座に適応することを可能にします。研究者たちは、標準的なロボット工学ソフトウェアプラットフォームを用いて、シミュレーションされた都市環境でこのシステムをテストしました。彼らは、9つのノードを持つ単純なマップをナビゲートする2機のドローンの小規模なテストと、2つの異なる高度層にわたる19個のノードを持つマップをナビゲートする4機のドローンによる、より大規模で複雑なテストの2つのシナリオを作成しました。

シミュレーションの結果は、この階層的なアプローチが、これまでの試みを悩ませてきた複雑性の問題を解決することを実証しました。研究者が、フリート全体を一度に管理するために、単一の全知全能のコンピュータモデルを構築しようとした場合（モノリシック合成と呼ばれる手法）、システムは過負荷状態になりました。小規模な2機のドローンのシナリオでは、単一のモデルは、位置と行動のあらゆる組み合わせを記述するために、およそ445,000の内部状態を必要とし、ドローンの数が増えればこの数字は爆発的に増加することになります。対照的に、この新しい階層型システムは、監督者の複雑さをわずか570の状態に減少させました。これは、約780倍の削減にあたります。この大幅な簡素化により、システムはスーパーコンピュータを必要とすることなく、効率的に動作することができました。より大規模な4機のドローンのシナリオでは、システムは割り当てられた6つのミッションのうち5つを正常に完了し、平均ミッション時間は44.42秒、スループットは毎分2.46ミッションでした。中央の監督者は、安全を維持するために、1タイムステップあたり平均19.28個の動きを禁止する必要があり、これはシステムがドローンを自由に飛ばしているのではなく、積極的に衝突を管理していたことを証明しています。

この研究は、グローバルな安全ルールとローカルな意思決定を分離することが、スケーラブルな解決策となることを裏付けています。中央の監督者は、各ドローンのバッテリーや積荷の具体的な詳細を知る必要はなく、空域の占有状況と共有リソースの可用性を追跡するだけで済みます。ドローンは、監督者が設定した境界線を尊重する限り、自身の経路を最適化する自由を持っています。このアーキテクチャにより、システムは安全かつ非ブロッキング（停止しない状態）であることが保証されます。つまり、どのドローンも前進も後退もできない状況に陥ることはありません。研究者たちは、ドローンの数や空域の複雑さが増しても、システムが衝突や遅延なしにフリートを調整する能力を維持していることを見出しました。この研究は、将来、何千もの車両が同じ低高度のコリドー（回廊）を共有することになるであろう、アーバン・エア・モビリティ（都市型航空移動）への実行可能な道筋を示しています。厳格な安全確保と柔軟なローカル最適化を組み合わせたフレームワークを用いることで、研究者たちは、複雑なマルチエージェント・システムを、計算効率が高く、かつ運用上の堅牢性を備えた方法で管理できることを示しました。本研究は、現在はシミュレーションを通じて検証されているものの、確立された原則は、忙しい都市の空のダイナミックな需要に対処できる、現実世界の交通管理システムを開発するための具体的な基礎を提供するものであると結論付けています。